撰文丨王聪 编辑丨王多鱼 排版丨水成文 生成式药物设计 ，开辟了在广阔的化学空间内发现新型化合物的途径，而非局限于对有限的化合物库进行传统筛选。 然而，生成分子的实际效用常常受到限制，因为许多设计优先考虑的是有限的药理特性，而忽视了物理可靠性，这阻碍了后续湿实验室评估的成功率。 2025 年 8 月 20 日， 上海交通大学医学人工智能研究院 张健 团队 （ 李明玉 、 宋堃 、 何继骁 为共同第一作者 ） 在 Nature 子刊 Nature Machine Intelligence 上 发表了题为： Electron-density-informed effective and reliable de novo molecular design and optimization with ED2Mol 的研究论文，该论 文被选为当期 封面论文 。 该研究开发了一种 人工智能药物设计新技术 —— ED2Mol （ transforming E lectron D ensity T o bioactive Mol ecules ) 。 该工作建立了从苗头分子生成到先 导分子优化的统一智能框架，自动化 生成 的 ...